CAP定理简介

在理论计算机科学中，CAP定理（CAP theorem），又被称作布鲁尔定理（Brewer's theorem），它指出对于一个分布式计算系统来说，不可能同时满足以下三点：

1. 一致性（Consistency)：同一个数据在集群中的所有节点，同一时刻是否都是同样的值。
2. 可用性（Availability）：集群中一部分节点故障后，集群整体是否还能处理客户端的更新请求。
3. 分区容忍性（Partition tolerance）：是否允许数据的分区，分区的意思是指是否允许集群中的节点之间无法通信。

我的个人理解

我觉得，理解CAP可以从两个阶段去考虑。

只考虑CP

如果我们只考虑CP，我发现很有意思。因为此时，我们就是关注，当可能存在A,B两个节点网络不通的情况下，能否做到A,B两个节点之间的数据在任何时刻总是一致的。

我认为是不行的。因为：假如一开始A,B两个节点之间是连通的，然后一个数据写入请求过来，由于是分布式的，我们无法做到A,B同时写入。所以，不管是哪个先写入，当一个先写入后，假设此时网络突然断开了，那另一个节点就不会自动写入。从而最终导致A,B的数据不一致。大家想想是不是这样呢？

把A也考虑进来

上面，我们讨论了，在不关注A的时候，我们已经无法绝对保证A,B两个节点之间的数据在任何时刻都是一致的了。那如果再考虑A，也就是CAP同时考虑，那不是更加不可能同时做到了？如果我们此时，希望系统继续可用，那就要让用户看到这种不一致，即牺牲了C（其实不能说牺牲，因为C我们上面分析过，一定是做不到的（已经牺牲了！）。所以，应该说选择了向用户暴露这种不一致）。如果我们不允许系统继续写入或被读取，那就是牺牲了A，此时相当于：数据不一致了，且同时系统不可用了；

用户想要的一致性是什么？

难道我们集群中，某些节点挂了后，就不能继续为用户提供服务了吗？不是的。因为有NRW算法的存在。

我们想一下，用户关心集群中节点的数据一致性吗？不关心！那用户关心什么？用户关心的是，我只要写入数据成功了，那我下次读取该数据时，总是能读取到最新写入的数据。所以，只要我们的数据库做到了这一点，那数据库里的数据对于用户而言，就是具有一致性的。注意：这里的一致性是针对用户而言的，不是CAP定理中的数据副本之间的一致性概念。

那要做到这种一致性，要怎么做呢？答案就是NRW算法。

NRW算法

假设总共有五个节点（N），我们只要保证写入数据的节点数（W）+ 读取数据的节点数（R）大于总节点数即可。即保证W+R>N，那就能保证对客户端而言，总是能读取到它最新写入的数据。比如，总节点数为5，写入节点数为3，读取节点数为3，那我们就能保证客户端总是能读取到它最新写入的数据。有了这样的数据公式的作为理论保证。我们就可以根据情况灵活选择W,R了。由于我们不需要保证5台机器全部都写入成功，只需要保证3台写入成功即可。这就意味着，我们允许5台机器中的2台出现问题，也就是提高了系统的可用性。这样的设计，虽然集群节点之间，也许有些节点的数据不是最新的，也就是没有做到CAP中的C，但对用户来说，数据总是一致的。

所以，有了NRW算法，我们就能做到，在满足AP的前提下，我们完全还可以做到对用户而言的数据一致性。

原标题：关于CAP定理的个人理解

关键词：